第六部分 · 综合与未来
算法与 AI 作曲：机器能作曲吗
上一课我们逛了一趟"风格画廊"：古典、爵士、摇滚、电子……表层千差万别，底下却是同一具骨架、同一台引擎——风格，不过是同一套工具旋钮的不同设定。那么一个再自然不过的问题逼到眼前：既然风格 = 期待的不同分布，机器能不能把这些分布学下来、自己来排布声音——自己设置、又自己释放听众的期待？这是全课的最后一站，也是回望整条链的地方。
留下的问题：既然每种风格说到底是一套"期待的分布"，机器能不能把这些分布学下来，自己设置期待、又恰到好处地违背它——自己作曲？
本课新增：算法/AI 作曲的三步脉络（骰子游戏 → 马尔可夫链 → 神经网络生成模型），以及一个让人不太舒服却很深刻的答案——它把全课主题彻底数学化了。最后，我们把 13 课的链整个复述一遍，收官。
三步：从骰子到神经网络
"机器作曲"听起来很新，其实是一条三百年的渐进线。它一直在做同一件事——从"规则/随机"一步步走向"从数据里学统计规律"——只是学得越来越细。
三步的共同点是关键：它们都不"理解"音乐为什么动人，它们只是越来越精确地逼近一件事——在这段音乐里，下一个音/和弦最可能是什么。要看清这件事的份量，得先把第 2 步那台"概率机器"拆开看。
马尔可夫链：机器学的，其实就是"期待"
马尔可夫链（Markov chain）的核心假设朴素得几乎像作弊：下一个状态的概率，只取决于当前（或最近几个）状态。放到音乐里就是——
P(下一个音 | 整段历史) ≈ P(下一个音 | 当前的音)怎么得到这些概率？数数就行。喂给机器一大堆某种风格的旋律，让它统计：每当出现 do，后面跟 re 多少次、跟 mi 多少次、跟 sol 多少次……把次数归一成比例，就得到一张转移概率表。比如在大量 C 大调旋律里统计出来可能是这样：
| 当前音 | → 最可能 | → 次可能 | → 较少 |
|---|---|---|---|
| sol (属，悬着) | do 0.40（回家） | mi 0.25 | la 0.10 |
| ti (导音，最痒) | do 0.70（解决） | la 0.15 | re 0.08 |
| do (家) | re 0.30 | mi 0.25 | sol 0.20 |
停在这张表上想一秒——它正是这门课讲了十二课的东西，被写成了数字。导音 ti 有 0.70 的概率走向 do，不是因为机器懂"导音倾向上行解决到主音"（第 06 课），而是因为过去无数作曲家都这么写，于是统计上它就这么高。换句话说：
所以"机器能不能学会作曲的语法"这个问题，答案早就是肯定的：能。从这张表里采样，它生成的旋律会自然地让导音解决、让属和弦回主，听起来"像那么回事"。难的从来不是这一步。
亲耳听：在"平庸"和"失控"之间
下面这台马尔可夫作曲机就用一张小小的转移表，在 C 大调音阶上现场生成一段旋律给你听。关键是那个滑块——出人意料程度：
- 滑到 0：机器每一步都只挑概率最高的下一个音。结果是"最安全"的旋律——每一步都对，却往往原地打转、平庸到无聊。这就是"永远满足期待"的声音。
- 滑到中间：机器大体按概率走，偶尔挑个不那么可能的音。这里常常最"好听"——有方向感，又有恰到好处的意外。
- 滑到高：机器越来越愿意挑低概率的音，意外是有了，但很快失去连贯，听起来像在乱走。这是"过度违背期待"的声音。
玩它的时候请反复确认一件事：滑块在 0 的那一端，机器没犯任何错误，可它也没写出任何音乐。它只是诚实地走在期待的最大概率上，于是无聊。音乐活过来的地方，永远在它偏离最大概率、却又没偏太远的那一小段。
核心洞见：谁来决定何时打破期待
现在我们能把整门课的主题，和"机器能否作曲"接在一起了。
音乐最动人的瞬间，几乎都是恰到好处地违背期待：第 05 课那个把句号往后推的欺骗终止（V→vi）；一次意料之外的转调；该响的地方突然留白；副歌迟迟不来、来时却高了八度。这些都是"我以为会 A，结果是 B，而 B 比 A 更对"的瞬间。
而马尔可夫链——以及它今天那些庞大的神经网络后代——本质上是一台"最可能的下一个音"机器。它的看家本领，恰恰是不违背期待。于是出现一个根本的两难：
| 策略 | 机器做得到吗 | 结果 |
|---|---|---|
| 永远走最大概率 | 毫不费力 | 平庸而正确——每步都对，却没有灵魂 |
| 随机乱走 | 毫不费力 | 意外但失控——失去连贯，不成句 |
| 恰到好处地违背 | 最难 | 动人——但"何时、如何违背"几乎无法只靠概率定出 |
这就把问题问对了。它不是"机器能否生成音乐"——能，而且越来越流畅。真正的问题是：谁来决定何时打破期待？统计能告诉你"通常会怎样"，却天然说不清"此处偏离一下会更好"——因为"更好"依赖整首曲子的语境、依赖你想对听众说什么，而那是意图，不是频率。今天的模型可以被引导、被微调去制造"惊喜"，但拍板"就在这一句、这一拍违背"的判断，仍最需要一个懂这条链的人。
所以这门课从头到尾真正在讲的那件事，在这里收成一句话：作曲的核心，始终是对期待的掌控——建立它、维持它，并在最恰当的一刻打破它。机器已经能替我们学会期待；何时背叛期待，仍是作曲的灵魂所在。
收官：把整条链复述一遍
十三课走下来，我们其实只追了一条单链。它从最朴素的物理出发，一环扣一环，从没断过：
贯穿这八段的，自始至终是同一台引擎：张力与解决。两条线一路并行——物理线（泛音 → 整数比 → 音阶 → 和弦）给出"原材料为什么是这些"，心理线（期待 → 张力 → 解决）给出"它们为什么打动我们"。一首歌不过是空气的疏密变化，可正是这条把物理接到心理、再接到时间的链，把"空气的振动"一路接成了"让人落泪"。
这也是这门课和它的姊妹课——《宇宙简史》《物质为什么会变》《地理的逻辑》——共享的信念：一门学科，不该是一堆要背的事实，而可以是一条能自己推下去的理。你若读懂了这条链，便不只是知道了一些音乐知识，而是拿到了一副能拆开任何一首歌的眼镜。
常见误解
- 误解：AI 作曲是 21 世纪才有的全新事物。 （澄清：用规则和随机生成音乐至少可追到 18 世纪末的音乐骰子游戏，1957 年的《Illiac 组曲》已用马尔可夫链。变的不是"机器能否生成"，而是"从数据里学统计规律"学得越来越长程、越来越细。）
- 误解：模型只要够大，就能学会"何时违背期待"，把人取代掉。 （澄清：模型擅长逼近"最可能的下一个音"，可"恰到好处地违背"依赖整首的意图与语境，是统计天然薄弱的地方。机器能学会期待，"何时背叛期待"仍最需要懂这条链的人来拍板。）
- 误解：马尔可夫链"理解"了乐理。 （澄清：它只是数了"什么音后面通常跟什么"。导音之所以在表里高概率走向主音，是因为人类一直这么写——它学到的是期待的分布，不是期待背后的道理。）
- 误解：让机器永远挑概率最高的音，就能得到最好的旋律。 （澄清：那只会得到"平庸而正确"——每步都对、却原地打转。好听恰恰在偏离最大概率、又不失控的那条窄缝里。你在上面的部件里能亲耳听到。）